활용 (4) 썸네일형 리스트형 AI 시대일수록 기술 리더가 직접 코드를 짜야 하는 이유 기술 리더가 되면 코드에서 멀어지는 것이 자연스러운 수순처럼 느껴집니다. 회의가 늘고, 의사결정이 많아지고, 팀을 조율하는 일이 우선순위가 됩니다. 직접 코드를 짜는 시간은 환경적인 이유로 점점 줄어듭니다. AI 도구가 구현 속도를 높여주면서 이 흐름은 더 빨라졌습니다. 기술 리더가 직접 코드를 작성하지 않아도 팀이 빠르게 결과물을 만들어내기 때문입니다. 그런데 팀을 운영하면서 반대 방향의 결론에 도달했습니다. AI 시대일수록 기술 리더가 직접 코드를 작성해야 한다는 것입니다. 그 이유는 다음과 같습니다.1) AI 결과물을 판단하려면 직접 활용해봐야 하기 때문입니다.AI가 만든 코드가 좋은지 나쁜지를 판단하는 것은 코드를 읽는 능력만으로는 부족합니다. 어떤 프롬프트를 줬을 때 어떤 결과가 나오는지, 어떤.. 프롬프트를 잘 쓰는 것만큼 중요한 컨텍스트 AI 도구를 처음 사용하기 시작하면 프롬프트에 집중하게 됩니다. 더 정확한 단어와 구체적인 지시, 예시를 추가합니다. 도구를 사용하다 보면 프롬프트보다 먼저 챙겨야 할 것이 생깁니다. 컨텍스트입니다. 프롬프트는 모델에게 무엇을 해달라고 요청하는 것입니다. 컨텍스트는 모델이 그 요청을 제대로 이해할 수 있도록 배경을 주는 것입니다. 같은 요청이라도 컨텍스트가 다르면 결과가 달라집니다.AI 도구로 코드 리팩토링을 진행할 때, 모델이 이 코드가 어떤 서비스의 일부인지, 어떤 제약이 있는지, 어떤 방향을 지향하는지 모른다면 기술적으로는 맞지만 현실에서 쓰기 어려운 결과가 나옵니다. 컨텍스트에는 몇 가지 계층이 있습니다.1) 작업의 배경입니다. 이 기능이 왜 필요한지, 어떤 문제를 해결하려는지입니다.모델은 목적을.. LLM마다 답변이 다른 이유는 사전학습과 사후학습에 있습니다. Claude, GPT, Gemini를 함께 쓰다 보면 같은 질문에도 답변의 결이 다릅니다. 처음엔 단순히 모델 성능 차이라고 생각할 수 있습니다.하지만 모델을 사용할수록 그 차이가 어디서 오는지 알 수 있습니다. 사전학습과 사후학습의 차이입니다. 사전학습(Pre-training)은 모델이 방대한 데이터를 통해 언어와 지식을 학습하는 단계입니다.사후학습(Post-training)은 그 위에서 모델이 어떻게 대답해야 하는지, 어떤 방식으로 사람과 상호작용해야 하는지를 조정하는 단계입니다.같은 규모의 사전학습을 거쳤더라도 사후학습의 방향에 따라 모델의 성격과 응답 방식이 달라집니다. GPT는 범용성이 강합니다. 다양한 태스크에 고르게 대응하도록 사후학습이 설계된 느낌입니다.특정 영역에서 두드러지기보다 어디서든.. AI 도입의 진정한 가치는 속도 뿐만 아니라 확보된 리소스의 활용에 있다. 최근 팀 티타임에서 흥미로운 질문이 나왔습니다. 소프트웨어 개발 업무에 AI를 도입하면서 기획, 디자인, 개발 전반에 걸쳐 로우 레벨의 업무 생산성이 큰 폭으로 증대되었고, 이로 인해 확보된 시간적 리소스를 어떻게 활용하면 좋을지에 대한 질문이었습니다. 저는 이 시간적 리소스가 로스 타임이 되지 않도록 더 높은 레벨의 업무에 충분히 활용되어야 한다고 답했습니다. 스타트업이나 중소기업처럼 소규모 개발팀에서는 인력과 시간이 부족하다 보니 일정 안에 구현하는 것 자체가 목표가 되는 경우가 많았습니다. R&D나 고도화, 구조 개선에 대한 시도는 후순위로 밀리는 경우가 많았습니다. 반면 규모가 큰 개발팀은 충분한 인력과 리소스를 바탕으로 구현 업무를 소화하면서도 R&D나 고도화에 별도의 일정을 할당할 수 있었고,.. 이전 1 다음